新闻的算法之谜与传统媒体的智能化

刘建明

【摘要】西方的新闻算法并非出奇制胜的媒体新宠，个性化新闻分发潜藏许多阴差阳错和信息风险。建立一套科学机制，防止新闻推荐的失算，才能保证新闻分发的安全性，受众的差异化需要也能得到满足。面对网媒的挑战，把新闻的自动化生成转化为报刊和广播电视报道，实现传统媒体的智能化和編辑记者的能智化，传统媒体才可能发生大的变化。

【关键词】两种新闻算法；算法的失算；算法的科学化；传统媒体的算法

算法新闻的创新正在搅动各类媒体的操作意识，调整算法的标配和技术指标，不仅决定各大资讯平台的竞争力，也使传统媒体受益匪浅。但新闻的“算法推荐”曾引起广泛的质疑：算法能让受众得到真正重要的新闻、了解社会的变化吗？媒体使用算法新闻能否全面反映世界、透视社会现实？盲目夸耀西方新闻分发的算法，介绍算法的理论也让人懵懵懂懂，根本无法回答和解决这类问题。为了解开新闻分发的算法之谜，本文不能不从新闻算法的常识赘述。

一、用于不同报道的两种新闻“算法”

算法是计算机处理数据的主要手段，新闻的智能生成和新闻分发都有各自的算法，二者译成汉语也有不同的说法，因为计算机对二者执行的指令不同，达到的目标不一样，把两个算法搅在一起，只谈推荐算法，使传播规则的重塑陷入一隅。

第一种算法是指智能生成新闻的数据推算，英语常由Algorithm（Algorithmic）一词表示。通过大数据搜索、整合和推断，发现真实的新闻，由计算机编写成文本，称作智能新闻或自动化新闻，很多人把它译成算法新闻。打开英文网站，AlgorithmicJournalism，Algorithmaboutnews或Videos of algorithmic news，大多是指由计算机在海量数据中自动编写的新闻，按汉语的习惯似应译为“智能新闻”或“计算机程序新闻”，可以将其称为“自动化新闻”。

这类新闻不是记者亲自采访、写作的，而是由计算机程序搜索到数据，经过统合、辨析提取事件的五个W要素，再现一个完整事件，每次推算都可得到正确的结果。正如美国学者哈特利·罗杰斯所说：“在数学和计算机科学中，一个推算（Algorithm）是关于如何解决某个问题的明确规范。推算可以执行计算、数据处理和自动推理任务。”[1]Algorithm依据大量资讯（仅包含少许数字）推断出事实的存在，仅需数秒或十几毫秒。美联社新闻智能程序“墨客”（Wordsmith），每秒能形成2000篇文章，《华盛顿邮报》的新闻程序“吐真者”（Truth Teller）集成一篇新闻仅用半秒左右时间，不仅会写作，还能核查新闻。

5年前，智能新闻只能在体育、财经和天气预报等很少的领域应用，这两年正在向时政新闻扩展。美国顶尖的算法新闻公司AutomaticInsights和NarrativeScience联合开发的新的推算程序，能自动生成市场营销和时事新闻，并已被越来越多的网站采用。NarrativeScience公司创始人克里斯蒂安·哈蒙德（KristianHammond）预测，到2030年将有90%以上的新闻由机器人完成。[2]

第二种所谓算法是向用户智能分发新闻，多使用英文newson arithmetic表示。打开西方英文网站，常看到这样的栏题：Arithmetic：Latest News（数据统计：最新消息），Videos of news arithmetic（数据统计的新闻视频），Videos of arithmetic on news feed（数据统计推送的新闻视频）等。这些栏题都是指通过数字计算排列出新闻的顺序，并向受众推荐他们需要的新闻，即我们常说的新闻算法分发。Arithmetic是指数学的算法，通过计算阅读量的大小排列新闻的顺序，向受众推荐。“从古希腊时起，Arithmetic就称为算术（名词、形容词），曾被设想为将事物装配在一起或计数后排列出先后次序。”[3]

当一款名为Custombot的算法工具诞生后，根据用户的特定偏好、标准或元素创建个性化新闻推送（feed），迅速风靡各大资讯平台。这种算法采用文本分割和自定义标记，快速过滤用户不喜欢的信息，算出某个用户最需要的新闻和文章，产生了新闻的定制报道。一时间，“个性化推荐”成为网络平台和新闻客户端追捧的热点和新宠。“利基市场”“因子量值”“长尾信息”“置信区间”等高大上的概念和词汇接连出现，让人感到高深莫测。

上述分析，基本厘清了Algorithm和Arithmetic之间的区别。Algorithm属于解决难题的推算思路和方法，用于计算机自动化新闻的生成。而Arithmetic是指如何更快、更精确计算一条新闻的阅读量或读者偏好，用于向用户推荐新闻或其他信息。西方英语资讯平台或社交媒体往往把智能新闻（algorithmabout news）直接推荐给用户，这类报道的栏题，通常使用“news

feed algorithm”，而不是“newsfeedarithmetic”。

新闻推荐根据数据计算，推测出用户可能喜欢的新闻，大体有7种数字推荐方式，这就是：依据用户的偏好推荐、协同过滤推荐，按照既定的规则推荐、效用推荐和基于内容的推荐、新闻热度推荐及知识推荐。后4种推荐作为新闻分发的主要指标，打破了新闻推荐的个性局限，能有效防止新闻推荐的失算和风险。

二、新闻算法分发的失算与风险

网上信息浩如烟海、凌乱不堪，用户无法很快找到他们需要的信息。网媒如果按照新闻发生的重要程度排序，向受众推荐他们关心的新闻，就能为用户产生最大的效用。出于这一目的，首先在英美社交媒体上出现了新闻的算法分发（newsArithmeticfeed），简称新闻推荐（newsfeed）。从本质上看，新闻推荐要解决在适当的时间，把合适的内容推荐给信息需要者，便于用户阅览。但实际上，大量资讯平台的新闻算法分发，除制造神秘气氛外，还强行向用户推销不良信息，用户得到的很多是他们不需要的东西。

资讯平台与社交媒体主要依赖个性化算法向用户分发新闻，个性化本身就暗藏许多低俗的信息需求，为推销色情、淫秽和暴力新闻打开缺口。尤其是各类无孔不入的直播平台，总是齐聚于用户端，淫邪销魂的视频不请自来，打头阵的当然是广告。从2017年末开始，美国的脸书网就多次收到与垃圾邮件相关帖子的投诉，在同一时间，我国多家社交媒体由于向用户兜售精神劣品，也引起网民的极度不满。

无论基于用户的新闻偏好、行为协同还是基于内容的推荐，如果不掌握用户的特征和全面数据，就很难给受众提供实用的东西。许多平台忽略客户的准确特征和分类，按照自己的意图漫无边际地推送有利可图的信息，根本不考虑信息的社会危害。算法分发新闻，一方面要识别内容需要者的巨大差异，另一方面又要为同一条新闻找到不同用户，计算技术很难精准、圆满，信息推送必然屡屡失算。在算法分发新闻诞生地的美国，许多业界人士对算法推荐的破绽就提出了种种批评。班尼迪克·埃文斯（Benedict Evans）指出，“脸书”等社交媒体执行“算法派发新闻”的逻辑，只是个技术术语。用算法找出最想看到新闻的人，以及最想看到什么样的新闻，然后将这些内容排序，出现在用户的新闻订阅中，这是十分错综复杂的。算法分发新闻的逻辑存在两个问题：一是让算法的样本变得“正确”非常困难。用户的欲望不断变化，新闻偏好可能经常改变。二是即使完成一次成功的新闻推送，也是基于特定的算法规则，这些规则包含主观判断，这些判断不是静态的，在原则上都是不完美的。[4]算法分发新闻常常“投错娘胎”，给用户推荐一些低质、无聊的信息，大量新闻分发都徒劳无功。

算法一旦经常失算，用户的信息满足感就会遭到践踏，资讯平台的公信力就会丧失殆尽，时间一久将被用户抛弃。媒体报道新闻要让受众了解社会变动，提升受众的认知，以往的新闻推送还经常把错误或虚假信息派发到用户的移动端，构成报道风险。有关社会政策、社会发展和社会矛盾的重大事件报道，是相当数量的用户所关心的，仅仅从用户的个体指标出发计算新闻分发，新闻推送必然埋下潜在的威胁。

算法新闻推荐，促使各大网络平台和移动客户端竞相吸引眼球，为招揽广告而龙争虎斗，社会责任的大堤被一步步蚕食。正如《人民日报》提出的警示：“所谓的算法成为利益的砝码，一切围着流量转，唯点击量、转发量马首是瞻，‘标题党泛滥，价值取向跑偏，内容沦为附庸。”“千篇一律的同质化信息，信口雌黄的歪理邪说，形形色色的商业广告，还有那些活色生香、花边八卦、流言蜚语，以各种争奇斗艳的形式粉墨登场，一股脑、无休止地推送过来，让广大受众被迫接受……”[5]网络媒体的先进技术只能服务于新闻的传播力、引导力和媒体的公信力，否则就是荼毒笔墨。当受众被算法引入迷途，夸大算法推送新闻的出奇制胜，就将网络研究推向贻害无穷的悬崖。

三、创建新闻算法推荐的科学机制

新闻推荐算法一旦“价值缺失、制造信息茧房、竞争手段无底线”[6]，无穷无尽的消极信息就把着迷的用户搞得晕头转向和筋疲力尽。正如许多美国用户批评“脸书”消磨人们的心智时所说的：“该公司的产品利用人类心理上的脆弱性，将人们吸引到社交媒体上，劫持他们的时间和注意力，正在破坏他们的安宁和幸福。”[7]消除这类流弊，只能建立一套科学机制，而不是抛弃信息计算技术。如果资讯平台设立信息安全警戒，平稳、适度、科学地运用推荐算法，就能防止新闻推荐的失算和风险。

旧的新闻分发算法，大多基于用户的使用习惯，预测用户感兴趣的信息和话题。由于计算数据的大体量（用户数以亿万计），根据点击率、阅读时间、评论和转发量做出的评估和内容标配，不可能完全“对号入座”。当把个性偏好列为推荐的首要标准，黄色媚俗的内容赢得千百万受众的点击，就不足为怪了。

无论美国的“脸书”还是我国的“今日头条”，已经意识到以往算法推荐的纰漏和失策，正着手改进算法的指标和运作程序。从2018年开始，国内外的资讯平台和移动客户端都在扬弃旧的算法，开创和完善新的推荐体系。Facebook的CEO马克·扎克伯格（MarkZuckerberg）说：“我正在改变我们的产品目标，从帮助你找到相关内容到来帮助你找到更有意义的社会互动。”“我们将让‘脸书的20多亿用户在社交网络上花更少的时间，包括观看视频。”[8]我国的“今日头条”也在尝试建立算法推荐的科学机制，修正以往僵化的推荐模型参数，把社会责任摆在首位，严格防范发出政治错误和虚假信息，加强对推荐内容的多次审核。

这种科学机制，首先要把内容的积极意义和知识性列为第一指标，把有关公共利益的重要新闻给予更大流量，把事关全局的重要新闻匹配给所有用户。社会政策、国内外大事、人民生活状况、社会各种正能量和重大事故，应成为各大资讯平台推荐的重头新闻。将其编制为特定的计算标签分发给广大用户，拒绝受阅的用户是极少数的，关键在于文字稿与视频要制作得有声有色、准确生动，增强正面新闻的吸引力和感染力。

所有分发内容都要通過风险模型过滤，经过2-3次风险审核后才能进入推荐程序。当出现十多个用户的批评反馈或负面信息举报时，网站还须即刻对信息进行复审，如果确认分发了错误或不当的信息，应立即直接下架。对信息当事人造成侵权或涉及违法内容的信息，直接责任人将受到应有的处罚，直至接受法律诉讼。这类保证内容安全的健全机制，成为内容配送的严格要求。

与新闻内容相匹配，计算新闻的热度，把热点新闻作为算法推荐的重要指标，是优化新闻推荐的重要机制。当一则新闻不断被用户点击、阅览、下载、转发，有更多的用户给予正面点评，标志着新闻热度持续升温。这样的新闻具有极高的价值，可向全体用户推荐。按照新闻类别确定新闻热度，沿用个性分发的方式向习惯性受众推荐，比如重要体育新闻要向喜欢体育信息的用户推荐，重大科学发现和发明的新闻要向科技专业人士推荐，个性化新闻推荐既要坚持内容积极有益的标准，又要满足受众差异化的需要。

用户中总有些人喜欢娱乐和奇闻异趣，对公共事务不感兴趣。对这样的用户除给他们发送全局性的重要新闻外，还需满足他们的特定取向，及时给他们分发兴味浓厚、幽默隽永而没有精神危害的软新闻。但要拟定标签敏锐和用户特征鲜明的算法模式，竭力防止低俗暴力、耸人听闻和荒淫糜烂的信息暗度陈仓。在对正面信息制定加权标志的同时，设置删除荒诞淫秽、标题党兴风作浪的信息标签，及时实施有效的干预手段。如果新闻推荐的计算程序具备以上这些严密的机制，信息推送的安全性将得到有效保障。

四、传统媒体的智能化创新

算法新闻不是网络平台的专利，而是所有传媒绝处逢生的一场革命，传统媒体不能置身度外。运用计算机运作程序，把自动化新闻转化为报刊和广播电视新闻，虽比网络慢了半步，但比人工操作要快千百倍。报纸在晚间编排和完成印刷，实际上压缩了信息发生和传播的时空，第二天早上读报，读者丝毫不会有新闻姗姗来迟之虞。

报纸把新闻写作完全交给机器，由机器将数据转换为新闻文本，快速选择读者急需知道的新闻，按照重要程度排列出版面顺序，构成新闻的整体推送。在算法程序（Algorithmicprogram）的引领下，保障新闻内容的精准度和可靠性，传统媒体新闻算法的大体量选择和高效优势就凸显了出来。“自动新闻产生于电脑程序判断，正在挑战新闻工作者的职业判断，因为人的主体性容易犯错误。电脑程序判断与新闻工作者的职业判断不同，它在本质上是客观的，它的内容都来自实际和现实，将冰释人工编写的主观成分，比人的自主判断更有合法性。”[9]

国外广播电视正在谋划由机器人主持各类新闻节目，男女机器人担任新闻主播。它们不仅拥有人工智能的对话系统，而且伴有丰富适度的面部表情，声音也更加动听、圆润。当机器人坐上播音台，会对广大公众产生极大的吸引力，拟人化的情感交互将产生卓尔不群的视听效果。虽然我们并不一味追求机器人主持节目，但当广播电视台找不到受众满意的、理想的播音员和主持人时，天生丽质、足智多谋的机器人播报新闻，将成为首选。

人工智能具有机敏思考、广揽纵判的思维功能，新闻将伴随心智的顿悟，随时打开受众的心灵窗户。这一切不能仅仅依赖机器的算法，新闻现场画面的人工采集，文字稿的编辑把关、加工和润色，都将有决定的意义。

也就是说，当传统媒体实现新闻写作的智能化，原来的记者编辑并没有如释重负，他们将承担更重要的任务。第一，掌握智能新闻的导引技术，每个人都要精通新闻模板的编程方法与技巧，成为熟练运用自动化新闻程序的新闻工作者队伍中的一员。第二，新闻计算程序对于那些定时定点发生的新闻（比如新闻发布会），不能现场采访，只能由记者人工完成。他们每天带上“微型传感器”（sensor）到处抓拍突发事件和各种要闻的现场画面。记者携带智能视听工具和穿戴式搜索器，“对周围环境的监测极其灵敏，加上与卫星传感器和定位装置的信息交互，对全球各地发生的事件尽收无余”[10]，及时给编辑部传来最新的事件动态。第三，编辑不再是单纯的文字与图像的一般处理者，而是自动新闻文本的把关人和修补者，他们以职业的洞察力和核心价值观，选好每一篇新闻，维护具有强大凝聚力和引领力的社会主义意识形态。在文字上，编辑们把自动生成的新闻文本锤炼得精妙入神、呼之欲出，新闻的思想性和意境远远超出网络信息的粗俗。阅读这样的报纸是名副其实的精神享受，也是一种文化滋补，它的社会效益和经济效益都将史无前例。

参考文献：

[1]Rogers，Jr，Hartley（1987）.TheoryofRecursiveFunctionsandEffectiveComputability.TheMITPress.57.

[2]HomeDavinciInstitute，”Robots are writing more news than you think”，ww.impactlab.net/2014/04/17/.

[3]J.FauvelandJ.Gray，“TheHistoryofMathematics：AReader”，TheOpenUniversity，1987.

[4]BenedictEvans，“Thedeathofthenewsfeed”，Twitter，April02，2018.

[5]宣言.不能让算法决定内容[N].人民日报，2017-10-05.

[6]宣言.不能让算法决定内容[N].人民日报，2017-10-05.

[7]JessicaGuynn，“Facebook'smakingabigchangetoyournewsfeed”，USATODAY，January10，2018.

[8]JessicaGuynn，“Facebook'smakingabigchangetoyournewsfeed”，USATODAY，January10，2018.

[9]M.Carlson，”Automatingjudgment Algorithmicjudgment，news knowledge，andjournalisticprofessionalism”，NewMedia&Society;，（4）2017.

[10]劉建明.对智能新闻若干问题的释疑[J].新闻爱好者，2017（11）.

（作者为清华大学新闻与传播学院教授）

编校：王志昭